浅析陶渊明田园诗情景事理相结合的艺术特征

东晋著名诗人陶渊明是田园诗的开创者。他崇尚自然,固守寒庐,寄意田园。诗作虽然取材于平凡的日常生活却蕴含着超凡脱俗的人生哲学。陶渊明的田园诗语言纯朴自然,意境高远拔脱,而他田园诗作独特的情景事理相结合的美学风格,更是为中国的诗歌发展开辟了一个新的天地。     

基于宁波市的公交出行路径选择模型

本文建立了以最少换乘次数、出行距离与出行费用为评价指标的最优路径选择模型。在搜索可行路径时,将乘客的步行意愿考虑在内。针对得到的可行路径运用层次分析法(AHP),建立成对比较矩阵,计算出每条可行路径的综合权重。通过比较每条路径的综合权重选择最优出行方案。     

基于最短时间的公交乘车路径查询模型

很多经典的公交路径查询算法都把焦点放在行驶路径最短搜索上,而忽略了越来越影响人们出行时间花费的等车和换车上.本文利用有向带权图建立了一种综合考虑等车、换乘和运行时间的最短时间公交出行路径查询模型,通过灵活的权值设定策略优化查询目标.实验表明,提出的模型有效、实用,具有很好的灵活性.     

城市给水管网交互式虚拟仿真平台研究

为克服了传统二维和三维模型结果显示的缺点,应用虚拟现实技术对城市给水管网进行分析研究,建立给水管网视景仿真平台,形成城市给水管网系统研究的新方法.通过给水管网虚拟场景与给水管网数学模型的有机集成,实现虚拟场景中给水管网的交互控制和计算结果的可视化显示.建模过程中将虚拟场景中实体按照相关图集绘制,保证模型具有较高精度,并通过相关算法对模型进行优化.本文通过程序设计建立了城市给水管网交互式虚拟仿真平台,实现了城市给水管网视景仿真系统.该平台不仅具有高度的逼真性,而且具有沉浸性、交互性的特点,用户可以直观的观察到深埋地下的给水管网,对给水管网进行交互控制,对管网工况进行可视化分析.     

一种场景自适应的H.264帧层码率控制算法*

在JVT-G012码率控制算法的基础上,提出了一种改进的H.264码率控制算法。首先,利用像素灰度值差值的方法检测场景切换,并对检测到的场景切换进行处理;其次,使用一种新的P帧的比特分配原则,根据P帧在GOP中的位置以及P帧的图像复杂度对P帧进行比特分配。实验结果表明,改进后的码率控制算法能够更加准确地控制输出码率,提高解码图像质量,并能有效地检测与处理场景切换。     

数字地球渲染中单精度浮点数误差改正

目的 针对全球大场景渲染中单精度浮点数的低精度导致的图像抖动和撕裂问题,提出了一套完整的解决方法。方法 首先,使用全球四叉树结构来寻找新的坐标原点,避免了现有算法需要频繁切换世界坐标原点的缺点;其次,在新坐标系下进行坐标转换和矩阵转换,解决了像素坐标计算的误差导致的抖动问题;最后,在GPU中使用基于对数的深度计算方式来提高深度的分辨率,解决了深度计算误差导致的Z-Fighting现象。结果 实验结果表明所提方法能很好地解决单精度浮点导致的渲染问题。结论 此方法具有适应性强、实现复杂度低、精度和效率可控等优点。     

图像场景分类中视觉词包模型方法综述

目的关于图像场景分类中视觉词包模型方法的综述性文章在国内外杂志上还少有报导,为了使国内外同行对图像场景分类中的视觉词包模型方法有一个较为全面的了解,对这些研究工作进行了系统总结。方法在参考国内外大量文献的基础上,对现有图像场景分类(主要指针对单一图像场景的分类)中出现的各种视觉词包模型方法从低层特征的选择与局部图像块特征的生成、视觉词典的构建、视觉词包特征的直方图表示、视觉单词优化等多方面加以总结和比较。结果回顾了视觉词包模型的发展历程,对目前存在的多种视觉词包模型进行了归纳,比较常见方法各自的优缺点,总结了视觉词包模型性能评价方法,并对目前常用的标准场景库进行汇总,同时给出了各自所达到的最高精度。结论图像场景分类中视觉词包模型方法的研究作为计算机视觉领域方兴未艾的热点研究领域,在国内外研究中取得了不少进展,在计算机视觉领域的研究也不再局限于直接应用模型描述图像内容,而是更多地考虑图像与文本的差异。虽然视觉词包模型在图像场景分类的应用中还存在很多亟需解决的问题,但是这丝毫不能掩盖其研究的重要意义。     

基于ZigBee技术的室内定位系统算法研究及实现

随着当今社会城市化进程的快速发展,人们对于在复杂环境内的定位需求越来越迫切。由于建筑物的遮挡使得GPS定位在室内不容易实现。文中设计了一种基于ZigBee技术的室内定位系统（IPS）的解决方案。结合信号强度测距法（RSSI）与场景指纹定位法,提出RSS场景指纹定位法。该算法采用RSS“场景特征信息”作为定位场景的“指纹信息”,来建立“指纹信息”数据库,并通过TI公司的Z-stack的硬件平台实现了该算法。测试结果表明,该定位系统在覆盖超过20m＊20 m的面积里使用4个参考节点就能以2 m以内的平均定位误差实现室内定位,满足普通的定位需求。     

自然场景文本检测与识别的深度学习方法

许多自然场景图像中都包含丰富的文本,它们对于场景理解有着重要的作用。随着移动互联网技术的飞速发展,许多新的应用场景都需要利用这些文本信息,例如招牌识别和自动驾驶等。因此,自然场景文本的分析与处理也越来越成为计算机视觉领域的研究热点之一,该任务主要包括文本检测与识别。传统的文本检测和识别方法依赖于人工设计的特征和规则,且模型设计复杂、效率低、泛化性能差。随着深度学习的发展,自然场景文本检测、自然场景文本识别以及端到端的自然场景文本检测与识别都取得了突破性的进展,其性能和效率都得到了显著提高。本文介绍了该领域相关的研究背景,对基于深度学习的自然场景文本检测、识别以及端到端自然场景文本检测与识别的方法进行整理分类、归纳和总结,阐述了各类方法的基本思想和优缺点。并针对隶属于不同类别下的方法,进一步论述和分析这些主要模型的算法流程、适用场景和技术发展路线。此外,列举说明了部分主流公开数据集,对比了各个模型方法在代表性数据集上的性能情况。最后总结了目前不同场景数据下的自然场景文本检测、识别及端到端自然场景文本检测与识别算法的局限性以及未来的挑战和发展趋势。     

基于多尺度特征多对抗网络的雾天图像识别

目的 当前的大型数据集,例如ImageNet,以及一些主流的网络模型,如ResNet等能直接高效地应用于正常场景的分类,但在雾天场景下则会出现较大的精度损失。雾天场景复杂多样,大量标注雾天数据成本过高,在现有条件下,高效地利用大量已有场景的标注数据和网络模型完成雾天场景下的分类识别任务至关重要。方法 本文使用了一种低成本的数据增强方法,有效减小图像在像素域上的差异。基于特征多样性和特征对抗的思想,提出多尺度特征多对抗网络,通过提取数据的多尺度特征,增强特征在特征域分布的代表性,利用对抗机制,在多个特征上减少特征域上的分布差异。通过缩小像素域和特征域分布差异,进一步减小领域偏移,提升雾天场景的分类识别精度。结果 在真实的多样性雾天场景数据上,通过消融实验,使用像素域数据增强方法后,带有标签的清晰图像数据在风格上更趋向于带雾图像,总的分类精度提升了8.2%,相比其他的数据增强方法,至少提升了6.3%,同时在特征域上使用多尺度特征多对抗网络,相比其他的网络,准确率至少提升了8.0%。结论 像素域数据增强以及多尺度特征多对抗网络结合的雾天图像识别方法,综合考虑了像素域和特征域的领域分布差异,结合了多尺度的丰富特征信息,同时使用多对抗来缩小雾天数据的领域偏移,在真实多样性雾天数据集上获得了更好的图像分类识别效果。